奇异值分解及应用ppt课件

定理：设,则存在,使得,右式称为矩阵A的等价标准型,酉等价：设,若存在m阶酉矩阵U和n阶酉矩阵,V，使得,则称A与B酉等价。,矩阵的奇异值分解就是矩阵在酉等价下的一种标准型。,第一节奇异值分解,1,引理1,证明设是AHA的特征值，x是相应的特征向量，则AHAx=x由于AHA为Hermite矩阵，故是实数。又,同理可证AAH的特征值也是非负实数。,2,证明设x是方程组AHAx=0的非0解，,引理2,则由,得,3,对于Hermite矩阵AHA，AAH，设AHA，AAH有r个非0特征值，分别记为,即：AHA与AAH非0特征值相同，并且非零特征值的个数为,4,奇异值的定义,说明：A的正奇异值个数等于，并且A与AH有相同的奇异值。,5,定理酉等价的矩阵有相同的奇异值,由,6,奇异值分解定理,设A是秩为,的,则存在阶酉矩阵,矩阵,与阶酉矩阵,使得,其中,为矩阵A的全部奇异值.,7,证明设矩阵的特征值为,则存在n阶酉矩阵，使得,将分块为,其中，分别是的前r列与后列.,8,并改写式为,则有,由的第一式可得,由的第二式可得,令，则，即的r个列是两两正交的单位向量.记,9,因此可将扩充成标准正交基，记增添的向量为，并构造矩阵则是m阶正交矩阵,且有于是可得,10,称上式为矩阵A的奇异值分解.,11,推论在矩阵A的奇异值分解A=UDVH中，U的列向量为AAH的特征向量，V的列向量为AHA的特征向量.,12,1求矩阵AHA的酉相似对角矩阵及酉相似矩阵V;,5构造奇异值分解,4扩充U1为酉矩阵U=(U1,U2),3令,2记,奇异值分解方法1利用矩阵AHA求解,13,例1、求矩阵,的奇异值分解,可求得的特征值为,对应的特征向量依次为,于是可得：,令,其中,计算：,14,构造：,则,的奇异值分解为,15,奇异值分解方法2-利用矩阵AAH求解,1先求矩阵AAH的酉相似对角矩阵及酉相似矩阵U;,4扩充V1为酉矩阵V=(V1,V2)5构造奇异值分解,2记,3令,16,例求矩阵A的奇异值分解,利用矩阵AAH求解,17,18,19,第二节奇异值分解的性质与应用,1.奇异值分解可以降维,A表示个维向量，可以通过奇异值分解表示成个维向量.若A的秩远远小于和,则通过奇异值分解可以降低A的维数.可以计算出，当时，可以达到降维的目的，同时可以降低计算机对存贮器的要求.,20,2.奇异值对矩阵的扰动不敏感,特征值对矩阵的扰动敏感.在数学上可以证明，奇异值的变化不会超过相应矩阵的变化，即对任何的相同阶数的实矩阵A、B的按从大到小排列的奇异值和有,21,3.奇异值的比例不变性,即的奇异值是A的奇异值的倍.,4.奇异值的旋转不变性.即若P是正交阵，PA的奇异值与A的奇异值相同.,奇异值的比例和旋转不变性特征在数字图象的旋转、镜像、平移、放大、缩小等几何变化方面有很好的应用.,22,5.容易得到矩阵A的秩为的一个最佳逼近矩阵.,A是矩阵的加权和，其中权系数按递减排列：,23,假设推荐系统中有用户集合有6个用户，即U=u1,u2,u3,u4,u5,u6，项目（物品）集合有7个项目，即V=v1,v2,v3,v4,v5,v6,v7，用户对项目的评分结合为R，用户对项目的评分范围是0,5，如图所示。,推荐系统,24,推荐系统的目标就是预测出符号“？”对应位置的分值。推荐系统基于这样一个假设：用户对项目的打分越高，表明用户越喜欢。因此，预测出用户对未评分项目的评分后，根据分值大小排序，把分值高的项目推荐给用户。,25,矩阵分解